BAB I

PENDAHULUAN

Pada mulanya teknologi yang berkembang ditujukan untuk membantu

manusia dalam mengerjakan aktivitasnya sehari-hari. Namun kenyataannya, suatu
teknologi mampu menggantikan peran manusia dalam melakukan suatu pekerjaan,
sehingga secara otomatis suatu sistem akan mengerjakan tugas tersebut persis
dengan apa yang dikerjakan oleh manusia. Teknologi yang dikembangkan dari
tahun ketahun salah satunya bergerak di bidang ilmu komputer. Perkembangan
ilmu komputer dari tahun ke tahun mengalami perubahan yang sangat pesat. Hal
tersebut bisa dilihat baik dari bentuk, sistem dan cara kerja yang berkembang
sesuai dengan manfaat dan penerapannya dalam membantu pekerjaan manusia.
Ilmu komputer sangat erat sekali hubungannya dengan perkembangan teknologi
yang dimanfaatkan manusia sampai sekarang. Salah perkembangan yang bisa
dirasakan dalam bidang ilmu komputer adalah mengenai kecerdasan buatan.
Kecerdasan Buatan merupakan suatu bagian dari ilmu komputer yang
mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan
seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada
yang dilakukan manusia. Aplikasi atau progam kecerdasan buatan dapat ditulis
dengan semua bahasa komputer, baik bahasa C, pascal, basic dan bahasa
pemrograman lainnya. Untuk perkembangannya saat ini, sudah dikembangkan
bahasa pemrograman yang khusus untuk aplikasi kecerdasan buatan yaitu LISP
dan PROLOG. Kecerdasan Buatan merupakan salah satu cabang ilmu
pengetahuan yang berhubungan dengan pemanfaatan mesin untuk memecahkan
persoalan yang rumit dengan cara yang lebih manusiawi. Hal ini biasanya
dilakukan dengan mengikuti / mencontoh karakteristik dan analogi berpikir dari
kecerdasan / inteligensia manusia dan menerapkannya sebagai algoritma yang
dikenal oleh komputer. Dengan suatu pendekatan yang kurang lebih fleksibel dan
efisien dapat diambil tergantung dari keperluan, yang mempengaruhi bagaimana
wujud dari perilaku kecerdasan buatan.

AI biasanya dihubungkan dengan ilmu komputer, akan tetapi juga terkait

erat dengan bidang lain seperti Matematika, Psikologi, Pengamatan, Biologi,
Filosofi, dan yang lainnya. Kemampuan untuk mengkombinasikan pengetahuan
dari semua bidang ini pada akhirnya akan bermanfaat bagi kemajuan dalam
upaya menciptakan suatu kecerdasan buatan. Pada awal diciptakannya, komputer
hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan
jaman, maka peran komputer semakin mendominasi kehidupan manusia.
Komputer tidak lagi hanya digunakan sebagai alat hitung, lebih dari itu, komputer
diharapkan untuk dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa
dikerjakan oleh manusia.
Manusia bisa menjadi pandai dalam menyelesaikan segala permasalahan di
dunia ini karena manusia mempunyai pengetahuan dan pengalaman, dimana suatu
pengetahuan dapat diperoleh dari belajar dan pengalaman dapat diperoleh dari
perilaku masalalu. Semakin banyak bekal pengetahuan yang dimiliki oleh
seseorang tentu saja sangat diharapkan dapat menyelesaikan suatu permasalahan.
Namun bekal pengetahuan saja tidak cukup, manusia juga diberi akal untuk
melakukan penalaran, mengambil kesimpulan berdasarkan pengetahuan dan
pengalaman yang mereka miliki. Tanpa memiliki kemampuan untuk menalar
dengan baik, manusia dengan segudang pengalaman dan pengetahuan tidak akan
dapat menyelesaikan masalah dengan baik. Demikian pula dengan kemampuan
menalar yang sangat baik, namun tanpa bekal pengetahuan dan pengalaman yang
memadai, manusia juga tidak akan bisa menyelesaikan masalah dengan baik. Agar
komputer bisa bertindak seperti dan sebaik manusia, maka komputer juga harus
diberi bekal pengetahuan dan mempunyai kemampuan untuk menalar. Untuk itu
AI akan mencoba untuk memberikan beberapa metoda untuk membekali
komputer dengan kedua komponen tersebut agar komputer bisa menjadi mesin
pintar.
Suatu output sisem yang dihasilkan oleh AI yaitu bagaimana cara
menyelesaikan suatu permasalahan (problem solving). Inputan yang berupa suatu
masalah pada suatu sistem akan coba diselesaikan AI dengan menggunakan
beberapa metode yang digunakan untuk menyelesaikan suatu permasalahan
tersebut (problem solving). Metode AI untuk menyelesaikan permasalahan agar

mendapatkan output yang bagus antara lain dengan cara analisa masalah,
representasi masalah dan pengetahuan, inferensi, penggunaan bahasa AI.
BAB II
PEMBAHASAN

2.1. Pengertian AI Menurut Beberapa Ahli

Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana
membuat komputer dapat melakukan beberapa hal-hal yang pada saat ini dapat
dilakukan lebih baik oleh manusia (Rich And Knight, 1991).
H. A. Simon [1987], mengemukakan bahwa Kecerdasan buatan (artificial
intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait
dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam
pandangan manusia adalah-cerdas.
John McCarthy [1956], mengemukakan bahwa kecerdasan buatan
mengetahui dan memodelkan proses proses berpikir manusia dan mendesain
mesin agar dapat menirukan perilaku manusia.
Encyclopedia Britannica , mengemukakan bahwa Kecerdasan Buatan (AI)
merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan
lebih banyak menggunakan bentuk simbol-simbol

daripada bilangan, dan

memproses informasi berdasarkan metode heuristic atau dengan berdasarkan

sejumlah aturan.
Alan

Turing

[1956],

mengemukakan

bahwa

AI adalah

bidang

yang memodelkan prosesproses berpikir manusia dan mendesain mesin

agar dapat menirukan kelakuan manusia.
AI berusaha untuk membangun entitas yang cerdas serta memahaminya.
Alasan lain belajar AI adalah bahwa entitas cerdas yang dibangun ini menarik dan
berguna. Cerdas sama halnya dengan memiliki pengetahuan dan pengalaman,
penalaran (bagaimana membuat keputusan dan mengambil tindakan).
2.2. Sejarah AI
Tahun 1950 an Alan Turing, seorang pionir AI dan ahli matematika Inggris
melakukan percobaan Turing (Turing Test) yaitu sebuah komputer melalui
terminalnya Test) yaitu menempatkan terminal komputer di jarak yang jauh.

Di ujung yang satu ada teminal dengan software AI dan diujung lain ada
sebuah terminal dengan seorang operator. Operator itu tidak mengetahui kalau di
ujung terminal lain dipasang software AI. Mereka berkomunikasi dimana terminal
di ujung memberikan respon terhadap serangkaian pertanyaan yang diajukan oleh
operator. Seorang operator tersebut mengira bahwa ia sedang berkomunikasi
dengan operator lainnya yang berada pada terminal lain. Turing beranggapan
bahwa jika mesin dapat membuat seseorang percaya bahwa dirinya mampu
berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut
cerdas (seperti layaknya manusia)

Gambar 2.1. Pemodelan AI menurut Alan Turing (1956)

Kecerdasan Buatan sendiri dimunculkan oleh seorang profesor dari
Massachusetts Institute of Technology yang bernama John Mc.Carthy pada tahun
1956 dalam acara Dartmouth Conference yang dihadiri oleh para peneliti AI. Pada
konferensi tersebut juga didefinisikan tujuan utama dari kecerdasan buatan, yaitu
mengetahui dan memodelkan proses berfikir manusia dan medesain mesin agar
dapat menirukan kelakuan manusia tersebut.

Gambar 2.2. Sejarah Perkembangan AI

2.3. Pemecahan Masalah Menggunakan AI

Seperti telah diketahui pada sistem yang menggunakan kecerdasan buatan

akan mencoba memberikan output berupa solusi suatu masalah berdasarkan
kumpulan pengetahuan yang ada.

Gambar 2.3. Sistem Kecerdasan Buatan

Pada gambar, input yg diberikan pada sistem yg menggunakan kecerdasan
buatan adalah berupa masalah. Sistem harus dilengkapi dengan sekumpulan
pengetahuan yang ada pada basis pengetahuan. Sistem harus memiliki motor
inferensi

agar

mampu

mengambil

kesimpulan

berdasarkan

fakta

atau

pengetahuan. Output yang diberikan berupa solusi masalah sebagai hasil dari
inferensi.
Secara umum, untuk membangun suatu sistem yang mampu menyelesaikan
masalah, perlu dipertimbangkan 4 hal :
1. Mendefinisikan masalah dengan tepat. Pendefinisian ini mencakup spesifikasi
yang tepat mengenai keadaan awal dan solusi yang diharapkan.
2. Menganalisis masalah tersebut serta mencari beberapa teknik penyelesaian
masalah yang sesuai.
3. Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah
tersebut.
4. Memilih teknik penyelesaian masalah yang terbaik.
2.3.1. Mendefinisikan Masalah Sebagai Suatu Ruang Keadaan
Misalkan permasalahan yang dihadapi adalah Permainan Catur, maka harus
ditentukan :
1. Posisi awal pada papan catur, posisi awal setiap permainan catur selalu sama,
yaitu semua bidak diletakan di atas papan catur dalam 2 posisi, yaitu kubu
putih dan kubu hitam.

2. Aturan-aturan untuk menentukan gerakan secara legal, aturan sangat berguna

untuk menentukan suatu bidak bergerak dari suatu ke adaan ke keadaan lain
sesuai dengan aturan yang ada.
3. Tujuan (Goal), tujuan yang ingin dicapai adalah kemenangan tarhadap lawan
yang ditunjukan dengan posisi Raja yang tidak bisa bergerak lagi.

Gambar 2.4. Keadaan Bidak Catur

Misalkan untuk mempermudah menunjukkan posisi bidak, setiap kotak
ditunjukkan dalam huruf (a,b,c,d,e,f,g,h) pada arah horizontal dan angka
(1,2,3,4,5,6,7,8) pada arah vertikal. Suatu aturan untuk menggerakkan bidak dari
posisi (e,2) ke (e,4) dapat ditunjukkan dengan aturan :

Gambar 2.5. Aturan Yang Digunakan Untuk Menggerakkan Bidak Catur

Contoh tersebut menunjukkan representasi masalah dalam Ruang Keadaan
(State Space), yaitu suatu ruang yang berisi semua keadaan yang mungkin. Kita
dapat memulai bermain catur dengan menempatkan diri pada keadaan awal,
kemudian bergerak dari satu keadaan ke keadaan yang lain sesuai dengan aturan
yang ada, dan mengakhiri permainan jika salah satu telah mencapai tujuan.

Jadi untuk mendeskripsikan masalah dengan baik harus :

1.
2.
3.
4.

Mendefinisikan suatu ruang keadaan (state space)

Menetapkan satu atau lebih keadaan awal (initial state)
Menetapkan satu atau lebih tujuan (goal state)
Menetapkan kumpulan aturan (rule state)

Gambar 2.6. Salah Satu Raja mati

Goal yang ingin dicapai dari gambar diatas adalah bagaimana raja pada
bidak hitam sudah tidak bisa bergerak lagi.
2.3.2. Mendefinisikan Masalah Sebagai Suatu Ruang Keadaan
Graph terdiri dari node-node yang menunjukkan keadaan yaitu keadaan
awal dan keadaan baru yang akan dicapai dengan menggunakan operator. Nodenode dalam Ph keadaan saling dihubungkan dengan menggunakan arc (busur)
yang diberi panah untuk menunjukkan arah dari suatu keadaan ke keadaan
berikutnya.
Graph keadaan dengan node M menunjukkan keadaan awal, node T adalah tujuan.

Gambar 2.7. Graph Keadaan

2.3.3. Pohon Pelacakan (Pencarian)

Struktur pohon digunakan untuk menggambarkan keadaan secara hirarkis.

Node yg terletak pada level-o disebut akar. Node akar : menunjukkan keadaan
awal dan memiliki beberapa percabangan yang terdiri atas beberapa node yg
disebut anak. Node-node yg tidak memiliki anak disebut daun menunjukkan
akhir dari suatu pencarian, dapat berupa tujuan yang diharapkan (goal) atau jalan
buntu (dead end). Gambar dibawah ini menunjukkan pohon pencarian untuk
graph keadaan dengan 6 level.
Pohon Pelacakan / Pencarian :

Gambar 2.8. Struktur Pohon

Dalam penyelesaian masalah dengan teknik AI menyangkut beberapa
langkah yaitu:
a.
b.
c.
d.

Analisa Masalah
Representasi Masalah dan Pengetahuan
Inferensi
Penggunaan Bahasa AI

a. Analisa Masalah

Analisa masalah adalah langkah pertama dalam AI. Langkah ini

menganalisa masalah yang dihadapi dan mengungkapkan masalah tersebut
dalam satu sistem simbol. Sistem tersebut dapat merupakan diagram, skema,
graf atau simbol -simbol yang lain. Sistem simbol ini harus diterjemahkan dalam
bahasa pemrograman AI. Sistem ini harus dapat mengungkapkan dengan tepat
keadaan awal (Initial State), keadaan akhir atau sasaran yang dituju (Goal State).
Secara umum pendefinisian masalah sebagai suatu ruang keadaan meliputi 3 hal
yaitu:

Posisi Awal (initial State)

Aturan (Rule )
Tujuan (Goal)

Contoh :
Misal permasalahan yang dihadapai adalah permainan Catur, maka harus
ditentukan:
1. Posisi awal pada papan catur
Posisi awal setiap permainan catir selalu sama, yaitu semua bidak diletakkan
di atas papan catur dalam 2 sisi yaitu kubu Putih dan Kubu Hitam.
2. Aturan-aturan untuk melakukan gerakan secara legal (Rule)
Aturan-aturan (rule) berguna untuk menetukan gerakan suatu bidak, yaitu
melangkah dari satu keadan ke keadaan lain. Misal untuk mempermudah
menunjukkan posisi bidak, setiap kotak ditunjuukan dalam huruf (a, b, c, d,
e, f, g, h) pada arah horizontal dan angka (1,2,3,4,5,6,7,8) pada arah vertika.
Suatu aturan untuk menggerakkan bidak dari posisi (e,2) ke (e,4) dapat
ditunjukkan dengan aturan :
IF bidak putih pada Kotak (e,2),
AND Kotak (e,3) Kosong,
AND Kotak(e,4) Kosong
THEN Gerakkan bidak dari (e,2) ke (e,4)
3. Tujuan (Goal)
Tujuan yang ingin dicapai adalah posisi pada papan catur yang
menunjukkan kemenagan seseorang terhadap lawannya. Kemenangan ini
ditandai dengan posisi RAJA yang sudah tidak bergerak lagi.

Contoh diatas menunjukkan representasi masalah dalam Ruang Keadaan

(state space) yaitu suatu ruang keadaan yang berisi semua keadaan yang
mungkin. Sehingga secara umum mendeskripsikan masalah dengan baik
harus:
Mendefinisikan ruang keadaan
Menetapkan satu atau lebih keadaan awal
Menetapkan satu atau lebih tujuan
Menetapkan kumpulan aturan
Secara umum analisa persoalan akan mempelajari karakteristik persoalan
dan menyakut juga masalah berikut:

Basis pengetahuan yang diperlukan adalah konsisten dan terlihat jelas

Apakah permasalahn itu terdiri dari beberapa soal
Apakah pemecahan persoalan itu dapat diungkapkan secara tuntas
Aakah semesta persoalan dapat diungkapkan secara tepat dan terperinci.

Soal-soal ini mempunuai hubungan yang erat dengan cara representasi

masalah dalam komputer dan menyangkut lamanya waktu untuk tercapainya
jawaban yang dikerjakan.
b. Representasi Persoalan dan Pengetahuan
Dalam memecahkan soal dibutuhkan representasi semesta persoalan
(Problem Domain). Ini mencakup pengetahuan yang dibutuhkan dalam
penyelesaian masalah dan berkaitan dengan cara pengolahan pengetahuan
tersebut. Sehinnga representasi ini sangat penting caranya harus tept agar
computer dapat mengolah secar tepat dan benar. Ada beberapa cara dalam AI
untuk representasi persoalan dan pengetahuan yaitu:
Logika Predikat (Predicate Calculus)
Representasi ini mengungkapkan pegetahuan dengan formula
Predikat (subyek1,.subyek N)
Misal : milik (amir,rumah)
Menyatakan bahwa Amir memiliki sebuah rumah dengan predikat Milik,
subyek Amir dan Subyek rumah. Dengan cara ini semua pengetahuan
tentang masalah yang dihadapi direpresentasikan. Representasi ini ditambah
dengan kaidah yang mendefinisikan hubungan antar pengetahuan itu,
program yang memiliki intelegensia dibangun.

Representasi Struktur

Pengetahuan yang diperlukan untuk memecahkan persoalan memerlukan

cara
representasi yang lebih komplek dari pada formula logika predikat. Antar
pengetahuan mempunyai hubungan yang unik. Hubungan ini dapat berupa
antara komponen dari suatu kegiatan/kejadian, antara objek suatu kejadian
atau pendapat tenang suatu kejadian. Jadi dalam cara representasi ini
pengetahuan merupakan satu kumpulan fakta-fakta dengan kaidah yang
berlaku diantara fakta-fakta itu dalam semesta masalah. Sebagai contoh
diambil kata restoran dalam contoh dibawah ini :
Amir pergi ke restoran bersama Ali. Ali yang membayarnya.
Dari kedua kalimat di atas, pertanyaan Apakah Amir sudah makan
kemarin? ini dapat dijawab berdasarkan pengetahuan kata restoran.
Dimana restoran berarti suatu tempat dimana tersedia makanan untuk
dimakan dengan imbalan pembayaran. Hubungan antara objek restoran dan
kegiatan makan sudah harus direpresentasikan sebelumnya. Representasi ini
disebut representasi deklaratif. Ada beberapa cara yang digunakan yaitu :

Jaringan Semantik , yang menunjukkan hubungan antara objek-objek

dalam suatu kejadian.

Kebergantungan konseptual (Conceptual Dependency) yang melukiskan

hubungan antar komponen-komponen suatu kegiatan atau kejadian

Kerangka (Frame) yang melukiskan pendapat-pendapat atau sudut

pandang suatu onjek

Skrip (script) yang melukiskan deretan kegiatan dalam suatu kejadian
c. Inferensi
Inferensi adalah motor penggerak program AI. Bagian ini mengendalikan
semua informasi yang masuk dan pelaksanaan kaidah-kaidah yang berlaku
dalam penyelesaian masalah. Inferensi disebut juga control struktur, rute
interpreter atau strategi pemecahan soal. Beberapa teknik dalam inferensi
seperti: teknik pelacakan (searching), kendali pemecahan soal (control strategi),
pemecahan persoalan dengan dekomposisi (decomposition), penerapan pola
(pattern matching) dan ikatan (chaining).
Dalam mencari jawaban persoalan (keadaan awal) adalah mencari rute dari
keadaan awal ke keadaan sasaran dalam representasi permasalahan. Bila semesta

masalah di representasikan dengan graf atau pohon (tree) maka pelacakan pohon
tersebut merupakan inferensi yang digunakan untuk mencapai keadaan sasaran
(goal). Ada beberapa teknik pelacakan yang mempermudah dan mempercepat
jawaban , yaitu :
Teknik Pelacakan Sistematis
Teknik Pelacakan Heuristik
Teknik Pelacakan Hill Climbing
d. Penggunaan Bahasa AI
Suatu peralatan yang di dalamnnya memiliki AI atau kecerdasan buatan
sehingga dapat bekerja sesuai dengan keinginan pembuatnya pasti membutuhkan
suatu progam yang menjalankan AI tersebut, karena sistem yang dibuat didalam
AI dikerjakan oleh suatu progam. Progam yang digunakan pada AI merupakan
bahasa pemrograman yang secara khusus dapat digunakan untuk membuat AI.
Berikut merupakan bahasa pemrograman yang digunakan untuk membuat AI
antara lain :
AIML (Artificial Intelligence Markup Language) adalah XML untuk

digunakan dengan ALICE jenis chatterbot.

IPL adalah bahasa pertama yang dikembangkan untuk kecerdasan buatan. Ia
mempunyai fitur yang ditujukan untuk mendukung programprogram yang
dapat melakukan pemecahan masalah umum, seperti daftar, asosiasi, skema
(frame), alokasi dinamis memori, jenis data, rekursi, pengambilan asosiatif,

berfungsi sebagai argumen, generator (sungai), dan koperasi multitasking.

LISP adalah notasi matematika praktis untuk program komputer
berdasarkan lambda kalkulus. Linked list adalah salah satu utama bahasa
cadel' struktur data, dan kode sumber cadel itu sendiri terdiri dari list.
Akibatnya, program LISP dapat memanipulasi kode sumber sebagai struktur
data,

sehingga

menimbulkan

makro

sistem

yang

memungkinkan

programmer untuk membuat sintaks baru atau bahkan bahasa pemrograman

domainspesifik tertanam dalam LISP. Ada banyak dialek LISP yang
digunakan saat ini, di antaranya adalah Common LISP, Scheme, dan

Clojure.
Prolog adalah bahasa deklaratif dimana program disajikan dalam hal
hubungan dan eksekusi terjadi dengan menjalankan query atas hubungan
tersebut. Prolog sangat berguna untuk simbolik penalaran, database dan

parsing bahasa aplikasi. Prolog secara luas masih digunakan dalam untuk

memrogram AI sampai saat ini.

STRIPS adalah bahasa yang digunakan untuk mengekspresikan perencanaan
masalah kasus secara otomatis. Ini mengekspresikan keadaan awal, negaranegara tujuan, dan satu set tindakan. Untuk setiap prasyarat tindakan (apa
yang harus ditetapkan sebelum tindakan dilakukan) dan postconditions (apa

yang didirikan setelah tindakan dilakukan) yang ditentukan.

Planner adalah hibrida antara bahasa prosedural dan logis. Ini memberikan
interpretasi

prosedural

untuk

kalimat

logis

di

mana

implikasi

diinterpretasikan dengan inferensi poladiarahkan.

POP11 adalah reflektif, secara bertahap menyusun bahasa pemrograman
dengan banyak fitur dari bahasa ditafsirkan. Ini adalah bahasa inti dari
Poplog pemrograman lingkungan awalnya dikembangkan oleh University of
Sussex dan barubaru di Fakultas Ilmu. Selain itu di University of
Birmingham yang dihost situs Poplog juga mengembangkan penelitan
tesebut. Hal ini sering digunakan untuk memperkenalkan teknik
pemrograman

simbolik

untuk

programmer

lebih

kepada

bahasa

konvensional seperti Pascal, yang menemukan sintaks POP lebih akrab

daripada LISP. Salah satu fitur POP11 ini adalah bahwa ia mendukung

fungsi kelas.
Python sangat banyak digunakan untuk Artificial Intelligence. Mereka
memiliki banyak berbeda AI dengan sesuai paket: General AI, Machine
Learning , Natural Language Processing dan Neural Networks. Perusahaan
seperti narasi sains menggunakan python untuk membuat kecerdasan buatan
yang digunakan untuk narasi bahasa pengolahan.
Aplikasi AI juga sering ditulis dalam bahasa standar seperti C ++ dan bahasa

dirancang untuk matematika, seperti MATLAB dan Lush. Haskell juga

merupakan bahasa pemrograman yang sangat baik untuk AI. Malas dalam
mengevaluasi

daftar

dan monad

Logic T membuatnya

mudah

untuk

mengekspresikan algoritma nondeterministik, yang sering terjadi. Struktur data

tak terbatas yang besar untuk metode pencarian tree (pohon). Fitur bahasa ini
memungkinkan

komposisi

cara

mengekspresikan

algoritma.

Satusatunya

kelemahan adalah ia hanya bekerka dalam grafik yang sulit dipahami, terutama
jika baru pertama kali mengenalnya.
Wolfram adalah bahasa yang mencakup berbagai kemampuan mesin
pembelajaran terpadu, dari segi fungsinya yang sangat otomatis seperti
Memprediksi dan Klasifikasikan untuk fungsi berdasarkan metode dan diagnostik
tertentu. Fungsi bekerja pada berbagai jenis data, termasuk numerik, kategoris,
time series, tekstual, dan gambar.

BAB III
PENUTUP

Kecerdasan Buatan merupakan suatu bagian dari ilmu komputer yang

mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan
seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada
yang dilakukan manusia. Agar komputer bisa bertindak seperti dan sebaik
manusia, maka komputer juga harus diberi bekal pengetahuan dan mempunyai
kemampuan untuk menalar. Kemampuan dalam melakukan penalaran tersebut
merupakan hal yang dapat digunakan untuk menyelesaikan suatu permasalahan
dengan menggunakan AI. Pada sistem yang menggunakan kecerdasan buatan (AI)

akan mencoba memberikan output berupa solusi suatu masalah berdasarkan

kumpulan pengetahuan yang ada. Sementara input yg diberikan pada sistem yg
menggunakan kecerdasan buatan adalah masalah atau problem, maka dari itu
suatu sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada
basis pengetahuan. Sistem harus memiliki motor inferensi agar mampu
mengambil kesimpulan berdasarkan fakta atau pengetahuan. Output yang
diberikan berupa solusi masalah sebagai hasil dari inferensi, sehingga hasil yang
didapatkan merupakan solusi yang terbaik sesuai dengan pengetahuan yang
disematkan pada sistem. Cara penyelesaian masalah dengan AI ada beberapa
langkah yaitu: analisa masalah, representasi masalah dan pengetahuan, inferensi
serta penggunaan bahasa AI.

REFERENSI

http://www.fitrarahim.xyz/2016/06/jenis-contoh-bahasa-pemrograman-artifici-

al-intelligence.html
Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya).

Yogyakarta: Graha Ilmu.

Kristanto, Andri. 2004. Kecerdasan Buatan. Yogyakarta: Graha Ilmu.
Kuswadi, Son. 2007. Kendali Cerdas (Teori dan Aplikasi Praktisnya).

Yogyakarta: Penerbit Andi

https://rehulina.wordpress.com/2009/08/05/pengertian-kecerdasan-buatan/

http://web.if.unila.ac.id/purmanailuswp/2015/09/13/pengertian-artificialintelligence-kecerdasan-buatan/